目标跟踪是机器视觉领域的前沿研究课题,其本质是在图像序列中通过递推估计来确定感兴趣的具有某种显著特征(如纹理、颜色、运动、形状等)的目标位置。随着图像处理技术的快速发展和计算机性能的不断提高,目标跟踪技术在视频监控、视频检索、人机交互、交通监控、医疗诊断、机器人视觉导航、虚拟现实和成像制导等方面得到越来越广泛的应用。在众多目标跟踪算法中,基于meanshift的跟踪算法由于其实时性和简约性,得到广泛的应用。在meanshift跟踪框架中,直方图是一个较为常用且有效的特征描述方法,许多研究者致力于研究各种各样的直方图以有效地实现跟踪。普通颜色直方图仅利用像素的统计特征,因此在目标发生遮挡形变、复杂背景和小目标的情况下会丢失目标。空间直方图融合了像素的空间位置信息与颜色信息,克服了颜色直方图的诸多缺陷,因此在meanshift框架下跟踪效果要优于颜色直方图。但空间直方图需要统计像素的位置信息,在目标发生旋转、形变时跟踪效果一般且耗时较多。而contourlet直方图利用目标的纹理信息建立直方图,且在主方向上具有旋转不变性,克服了空间直方图的缺点,因此本文将contourlet直方图引入meanshift框架中,提出一种基于contourlet直方图的meanshift跟踪算法。实验结果表明,该方法能够有效地跟踪旋转和形变目标,且对边缘清晰的红外目标能实现鲁棒跟踪。在实际目标跟踪过程中,常常会遇到各种复杂情况,如小目标发生形变旋转、红外目标发生遮挡、背景复杂等。特征融合是克服上述复杂情况的方法之一。本文在meanshift跟踪框架下提出一种融合空间直方图和contourtlet直方图的目标跟踪方法,同时融合了目标的颜色信息、像素空间信息和纹理信息,并利用每一帧的相似度函数作为权值,分别对基于空间直方图的跟踪位移和基于contourlet直方图的跟踪位移进行自适应加权,获得最后的跟踪结果。实验结果表明,本文提出的算法在目标发生旋转形变、前后遮挡和跟踪目标是小目标等情况下,都能够实现鲁棒跟踪,且跟踪效果优于基于空间直方图的跟踪和基于contourlet直方图的跟踪。